Des contrôleurs pilotés par IA imitant le cerveau humain pourraient renforcer le réseau électrique

Alors que les centrales électriques traditionnelles sont remplacées par des sources intermittentes comme le solaire et l’éolien, maintenir la stabilité du réseau est devenu un défi d’ingénierie complexe. La thèse de doctorat de Hussain Khan à l’Université de Vaasa, en Finlande, présente des stratégies de contrôle avancées basées sur l’IA qui garantissent la fiabilité et la résilience des réseaux locaux.

Les systèmes électriques subissent une transformation profonde alors que la production basée sur les fossiles est progressivement remplacée par des énergies renouvelables basées sur des onduleurs. Cette transition introduit une incertitude inhérente et une faible inertie, rendant l’exploitation du réseau et la stabilité de la tension nettement plus complexes dans les microgrids AC et DC.

Dans sa thèse en génie électrique, Hussain Khan relève ces défis. En utilisant des réseaux neuronaux artificiels (ANN), Khan a développé des contrôleurs qui peuvent prédire et compenser les changements du réseau en temps réel, surpassant les méthodes de contrôle traditionnelles.

« Les réseaux neuronaux artificiels s’inspirent du cerveau humain, qui traite l’information par des neurones interconnectés. Cette approche biomimétique permet au système d’apprendre à partir de scénarios divers et de s’adapter à l’imprévisibilité du solaire et de l’éolien », explique Khan.

Solutions économiques grâce à l’optimisation des capteurs

Les systèmes traditionnels s’appuient sur de multiples capteurs physiques pour surveiller la tension, le courant et d’autres paramètres, ce qui augmente les coûts et le nombre de points de défaillance potentiels. L’approche pilotée par l’IA de Khan démontre qu’un logiciel sophistiqué peut compenser un nombre réduit de composants matériels.

« En entraînant efficacement le réseau neuronal, le système peut fournir les mêmes résultats fiables avec un seul capteur au lieu de deux. Cela optimise les coûts et améliore la fiabilité globale, car il y a moins de pièces physiques susceptibles de tomber en panne », note Khan.

Si le contrôle basé sur l’IA peut améliorer l’efficacité et réduire les exigences matérielles, l’introduction de contrôleurs intelligents dans les infrastructures critiques soulève également de nouvelles considérations.

« La principale préoccupation est que l’IA fonctionne comme une boîte noire : nous pouvons voir les entrées et les sorties, mais nous ne pouvons pas toujours expliquer complètement ce qui se passe à l’intérieur. Malgré cela, dans nos tests, le contrôleur a très bien performé et a été validé rigoureusement en temps réel », souligne Khan.

La recherche de Khan soutient l’objectif plus large de construire des systèmes énergétiques neutres en carbone dans les décennies à venir. En améliorant la stabilité et en réduisant les exigences matérielles, le contrôle basé sur l’IA pourrait aider les réseaux électriques à intégrer de plus grandes parts d’énergies renouvelables à l’avenir.

Thèse

Khan, Hussain (2026) Advanced Predictive and AI-Based Converter Control Strategies for AC and DC Microgrids. Acta Wasaensia 580. Thèse de doctorat. Université de Vaasa. ( Publication PDF )

Source : Vaasa U.